[发明专利]一种面向新闻标题的人物关系抽取方法

说明书

本发明涉及一种面向新闻标题的人物关系抽取方法，其步骤包括：1)寻找出新闻标题中的关系指示词，用以区分不同类别的人物关系；2)根据人物与关系指示词在新闻标题中的位置特征，建立描述句子的句式模板；利用训练数据统计每个模板的正/负例个数，根据正负模板的比例判定新闻标题中人物间关系的正确性；3)从新闻标题与人物属性知识库中提取特征，通过特征分类的方法并结合步骤2)得到的句式模板的正/负例个数，判定给定的人物关系是否正确。本发明在保证准确率的同时，降低了特征维度，提高了判定效率，可用于挖掘新闻标题中的人物关系，进而发现社会中的焦点人物、热点事件等，便于及时掌握社会动态，监控舆情。

技术领域

本发明属于信息技术领域，具体涉及一种面向新闻标题的人物关系抽取方法。

背景技术

人物关系抽取是实体关系抽取的重要分支。实体关系是指实体之间存在的语义联系。Automatic Content Extraction(ACE)会议将实体关系抽取定义为：根据预先给定的实体关系类型，判定实体之间是否存在语义关系或是否属于给定的关系类型。人物关系抽取将实体关系抽取中的实体限定为人物，关系类型限定为人物之间的关系进行抽取，目前人物关系抽取的主要方法包括：模式匹配、语义分析、特征分类等。

模式匹配的方法主要是根据对训练数据中实例的观察分析，制定出相应的模版及其所属类别的集合，再利用测试数据中的实例与集合中的模板匹配，如果匹配成功，则可根据模板所属类别判定实例所属类别。语义分析的方法是指根据句子的句法结构和句中每个实词的词义推导出能够反映这个句子意义(即句义)的某种形式化表示。特征分类的方法是指根据文档中词语的特征，有时也包含一些模板特征、语义分析特征等，利用特征分类器，将人物关系抽取转化成二分类问题，即判定给定的人物关系是否成立。

模式匹配的主要问题在于模板大多数为人工制定，除消耗大量的人力资源外，当数据规模较大时，很难制定出较为全面而精准的模板集合。此外，当领域变更时，原有的模板将不一定仍然适用，往往需要重新制定模板，领域迁移性较差。

语义分析的方法依赖于分词、词性标注、依存关系等分析的准确性，而现有的工具并不能准确的处理上述问题。同时，新闻标题的句子结构较为精简，句式结构有时并不满足一般的句法规则，这也影响了语义分析的准确性。

特征分类方法的问题一是在于根据整个语料抽取的特征维度往往很高，导致利用分类器进行训练和测试时效率过低；二是当分类效果不好时，很难发现影响分类效果的具体实例，能做的仅是调整分类器的参数或修改特征的选择；三是当训练数据与测试数据的特征分布差距较大时，分类效果很差，很难构建相对完整的训练数据集。

发明内容

本发明的目的在于能根据给定的新闻标题和人物属性知识库，自动判定给定的人物及人物间的关系是否正确。

本发明采用的技术方案如下：

一种面向新闻标题的人物关系抽取方法，包括如下步骤：

1)寻找出新闻标题中的关系指示词，用以区分不同类别的人物关系；

2)根据人物与关系指示词在新闻标题中的位置特征，建立描述句子的句式模板；利用训练数据统计每个模板的正/负例个数，根据正负模板的比例判定新闻标题中人物间关系的正确性；

3)从新闻标题与人物属性知识库中提取特征，通过特征分类的方法并结合步骤2)得到的句式模板的正/负例个数，判定给定的人物关系是否正确。

进一步地，在寻找关系指示词之前进行数据清洗，通过制定启发式规则直接判定不符合条件的新闻标题。

进一步地，利用最小覆盖的方法寻找出新闻标题中的关系指示词。

进一步地，根据句子中的表达人物关系的<主语S、谓语P、宾语O>三元组，得到描述句子的层次句式模板。